Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

molesignal

Plataforma de observabilidad auto-alojada nativa de OpenTelemetry que unifica logs, métricas y traces en una capa de almacenamiento Parquet con motor DataFusion para correlación cross-signal nativa.

Ficha actualizada 28 sept 2026, 2:12 · upstream 28 sept 2026, 1:50 · release sin release detectada

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es molesignal

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

MoleSignal es una solución de observabilidad auto-alojada diseñada para eliminar la fragmentación típica de las herramientas open source donde logs, métricas y traces residen en almacenes separados. Utiliza Parquet como capa de almacenamiento principal sobre S3/MinIO/GCS/Azure, con DataFusion como motor de consulta unificado y PostgreSQL para metadatos.

La arquitectura soporta 9 protocolos de ingestión (OTLP gRPC/HTTP, Prometheus remote_write, Loki push, Elasticsearch _bulk, Kinesis Firehose, Cloudflare Logpush, Heroku log drain, HTTP JSON nativo). Incluye capacidades RUM compatibles con Datadog para sesiones y errores, APM con gráficos de servicio y métricas RED derivadas de traces, y alertas en tiempo real (<1s) mediante predicciones in-take.

La plataforma incluye Mole Agent con interfaz de chat natural sobre telemetría, servidor MCP para integración con asistentes AI, dashboards versionables, federación cross-cluster vía CloudEvents 1.0, SSO (OIDC/SAML/LDAP), RBAC con tokens API y JWT, cifrado AES-256-GCM a nivel de campo, y UI web optimizada para teclado.

CASOS DE USO
  • Correlación nativa entre traces, logs y métricas sin copiar trace_id manualmente
  • Ingestión unificada desde múltiples fuentes (OTLP, Prometheus, Loki, Elasticsearch)
  • Alertas en tiempo real (<1s) con detección de anomalías MAD+EWMA
  • Investigación forense drill-down metric→trace→log→host manteniendo contexto
  • Dashboards versionables y federados entre clusters con resolución de conflictos Lamport
PUNTOS DESTACADOS
  • Correlación cross-signal nativa en capa de datos (no solo en dashboard)
  • 9 protocolos de ingestión compatibles incluyendo OTLP, Prometheus, Loki
  • Almacenamiento columnar Parquet con indexado Tantivy (~99% reducción en consultas)
  • Alertas realtime (<1s) y scheduled con políticas de escalación multi-paso
  • Mole Agent con chat natural sobre telemetría y servidor MCP para AI
  • Multi-tenant out-of-box con aislamiento planner-level org_id
PRECAUCIONES
  • Estado pre-1.0, actualmente buscando colaboradores y partners de diseño
  • No incluye Dockerfile ni docker-compose por defecto (requiere configuración manual)
  • Funciones JavaScript requieren feature js-runtime en compilación binaria
  • Ejecución de funciones con límite estricto: 50ms por evento y 32MiB heap
  • Sin soporte para await asíncrono real (no hay scheduler de Promise)
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO30 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Despliegue recomendado: usar docker compose -f deploy/docker/docker-compose.yaml --profile standalone para sandbox local. Para producción, configurar S3/MinIO como backend, provisionar PostgreSQL para metadatos, y ajustar MS_NODE_ROLES según roles necesarios (router/intake/querier/compactor/alert-manager/connector). Portes clave: 5080 (UI), 9000 (RustFS API), 9001 (RustFS admin), 5082 (OTLP gRPC). Requiere ~4 cores CPU, 8GB RAM, 30GB disco. Verificar migración manual de objetos S3 existentes antes de cambiar endpoints.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsRust
SERVICIOS
PostgreSQLElasticsearchS3/MinIOKafka
BASES DE DATOS
PostgreSQLElasticsearch
PUERTOS
508090019000
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.